Первый проект в портфолио аналитика данных
Коротко. Хороший первый проект — это не сложная модель, а внятный ответ на понятный бизнес-вопрос. Возьмите открытые данные, сформулируйте один вопрос, честно опишите, что делали с данными, покажите пару графиков и закончите выводом и рекомендацией. Работодателя интересует не код, а ход мысли: понимаете ли вы, зачем считаете то, что считаете.
Замкнутый круг и как из него выйти
Ситуация знакомая почти каждому новичку. В вакансиях требуют опыт. Опыта нет, потому что не берут на работу. Не берут, потому что нет опыта.
Портфолио — единственный способ разорвать этот круг. Оно заменяет опыт тем, что показывает: человек умеет делать ровно то, за что ему собираются платить.
Разница между резюме и портфолио простая. Резюме говорит «я знаю SQL». Портфолио показывает работу, из которой видно, что человек действительно знает SQL и, что важнее, понимает, зачем.
Сертификат курса такой функции не выполняет. Он подтверждает, что вы прослушали программу, но ничего не говорит о том, как вы думаете, столкнувшись с грязными данными и расплывчатой задачей.
Главный критерий хорошего проекта
Проект новичка оценивают не по сложности использованных инструментов. Оценивают по одному признаку: отвечает ли работа на понятный вопрос и понятен ли ответ.
Отсюда простая проверка. Опишите свой проект одним предложением в формате: «Я выяснил, что [вывод], и предложил [действие]». Если предложение складывается — проект состоялся. Если получается только «я построил график распределения по категориям» — это еще не проект, это упражнение.
Второй признак — реалистичность. Работа должна напоминать задачу, которую могли бы поставить в компании. «Предсказал курс валют на год вперед» — не напоминает. «Разобрался, почему упала выручка в июле» — напоминает.
Плохие и хорошие темы
Плохие темы для аналитика:
- Учебные датасеты вроде «Титаника» и ирисов. Их видели тысячи раз, и они ничего не говорят о бизнес-мышлении
- Предсказание чего-то глобального: курса валют, цен на нефть, погоды на месяц
- Работа без вопроса: «изучил датасет, посчитал средние по всем столбцам»
- Только красивый дашборд без объяснения, что он показывает и кому нужен
Хорошие темы:
- Почему выручка упала в конкретный период
- Какие товары приносят основную прибыль, а какие занимают место на складе
- Чем отличаются клиенты, которые вернулись, от тех, кто ушел после первой покупки
- Как распределяются заказы по времени суток и дням недели и что из этого следует для графика работы
- Какие каналы привлечения дают клиентов с большим средним чеком
- Где в воронке теряется больше всего пользователей
Общее у всех хороших тем: за ними стоит человек, который может принять решение на основе вашего ответа.
Где взять данные
Открытые государственные данные. В Узбекистане это портал открытых данных data.egov.uz и сайт Агентства статистики stat.uz. Плюс таких источников для новичка огромный: данные локальные, знакомые по контексту, а проект автоматически выглядит осмысленнее, чем разбор чужого зарубежного датасета.
Kaggle. Крупнейшая площадка с бесплатными наборами данных. Ищите разделы про электронную коммерцию, поведение пользователей, продажи. Минус: часть датасетов затерта до дыр, поэтому выбирайте менее популярные.
Открытые API. Данные можно собрать самому — это плюс к проекту, потому что показывает еще один навык. Как это делается, разобрано в статье про библиотеку requests. Например, курсы валют Центробанка отдаются в JSON без всякой регистрации.
Данные знакомого бизнеса. Самый сильный вариант. У знакомых есть кофейня, магазин, салон или онлайн-школа — предложите бесплатно разобрать их выгрузку из кассы или CRM. Получите реальную задачу, обратную связь от владельца и, возможно, рекомендацию. Обязательно обезличьте данные и согласуйте публикацию.
Собственные данные. Выгрузка из личного банковского приложения, статистика вашего блога или телеграм-канала, трекер расходов. Данных мало, зато вы полностью понимаете контекст.
Синтетические данные. Если ничего подходящего не нашлось, сгенерируйте набор сами. Это допустимо, но обязательно укажите в описании, что данные синтетические. Выдавать их за реальные нельзя.
Что использовать нельзя: данные компании, где вы работали, если они не публичные. Это нарушение конфиденциальности, и работодатель сделает соответствующий вывод о вас как о будущем сотруднике.
Шаг 1. Сформулируйте вопрос
Начинайте не с данных, а с вопроса. Иначе получится бесцельное блуждание по таблице.
- Плохо: «Проанализировать продажи»
- Хорошо: «Какие товарные категории дают больше половины выручки и как менялась их доля за год»
- Плохо: «Изучить клиентов»
- Хорошо: «Чем отличается поведение клиентов, сделавших повторную покупку, от тех, кто больше не вернулся»
Полезное упражнение: представьте, что вопрос вам задал владелец бизнеса и ждет ответа к завтрашнему утру. Такая рамка сразу отсекает абстрактные формулировки.
Шаг 2. Оцените данные
Прежде чем считать, посмотрите, с чем работаете:
- Сколько строк и столбцов
- Какой период охвачен
- Что означает каждый столбец
- Сколько пропусков в ключевых полях
- Есть ли дубликаты
- Похожи ли значения на правдоподобные
Этот этап часто пропускают, а зря: половина неверных выводов рождается из непонимания того, что вообще лежит в таблице.
Если данные не позволяют ответить на ваш вопрос — меняйте вопрос, а не подгоняйте ответ.
Шаг 3. Почистите и опишите, что сделали
Реальные данные всегда грязные: пропуски, дубли, разные написания одного и того же, невозможные значения.
Важный момент, который отличает сильный проект от слабого: чистку нужно описать. Не просто выполнить, а зафиксировать в тексте, что и почему вы сделали.
Пример хорошего описания:
«В поле с датой заказа было 43 пропуска — эти строки удалены, поскольку без даты запись бесполезна для анализа динамики. Найдено 128 полных дубликатов, удалены. В поле города встречались написания „Ташкент", „ташкент" и „Tashkent" — приведены к одному виду. Обнаружено 6 заказов с отрицательной суммой, предположительно возвраты; вынесены в отдельную категорию, а не удалены».
Это короткий абзац, но он показывает работодателю больше, чем красивый график: видно, что человек внимателен и принимает осознанные решения.
Шаг 4. Посчитайте и найдите закономерность
Здесь начинается собственно анализ. Базовый набор действий для первого проекта:
- посчитать основные показатели: количество, суммы, средние и медианы
- посмотреть распределение и найти выбросы
- сделать разрезы: по времени, категориям, сегментам клиентов
- сравнить группы между собой
- проверить свою гипотезу
Не гонитесь за сложностью. Грамотная группировка и честное сравнение двух сегментов ценятся выше, чем машинное обучение, применение которого вы не можете объяснить.
Важное правило: считайте медиану рядом со средней. Для денежных показателей они часто расходятся, и само расхождение бывает главной находкой проекта. Подробнее об этом есть в статье про среднюю, медиану и моду.
Шаг 5. Визуализируйте
Правила для графиков в портфолио:
- один график — одна мысль
- у каждого графика есть заголовок, объясняющий вывод, а не название столбца
- оси подписаны, единицы измерения указаны
- вертикальная ось начинается с нуля, если это столбчатая диаграмма
- никаких трехмерных эффектов и радуги из десяти цветов
Хороший заголовок графика звучит как утверждение: не «Выручка по месяцам», а «Выручка падает третий месяц подряд». Это сразу показывает, что вы умеете читать собственные результаты.
Достаточно трех-пяти графиков. Двадцать визуализаций без комментариев производят худшее впечатление, чем три с выводами.
Шаг 6. Сделайте вывод и рекомендацию
Финальный и самый важный шаг, который новички чаще всего пропускают.
Слабое завершение:
«Средний чек составил 85 тысяч сумов. Больше всего заказов приходится на выходные».
Сильное завершение:
«Выручка упала на 18 процентов за три месяца. Основная причина — сокращение числа повторных заказов: доля вернувшихся клиентов снизилась с 34 до 21 процента, при этом новых клиентов приходит столько же. Средний чек не изменился, значит, дело не в ценах.
Рекомендации: запустить работу с базой ушедших клиентов, поскольку привлечь их дешевле, чем новых; проверить, что изменилось в сервисе три месяца назад; отслеживать долю повторных заказов как основной показатель.
Ограничения: данные охватывают только онлайн-заказы, офлайн-продажи в выгрузку не попали, поэтому картина может быть неполной».
Обратите внимание на последний абзац. Честно названные ограничения работы — признак зрелости, а не слабости. Аналитик, который понимает границы своих данных, вызывает больше доверия, чем тот, кто подает выводы как истину.
Как оформить проект
Структура описания, которая работает:
- Заголовок. Конкретный: «Анализ оттока клиентов службы доставки», а не «Проект по аналитике».
- Вопрос и контекст. Два-три предложения: какая задача, почему она важна.
- Данные. Источник, период, объем, ссылка. Если синтетические — сказать об этом.
- Что делал. Инструменты и ход работы, включая чистку.
- Результаты. Графики с комментариями.
- Выводы и рекомендации. Что выяснилось и что с этим делать.
- Ограничения. Чего данные не позволяют утверждать.
- Ссылка на код.
Где размещать. Для кода — GitHub. Для описания — README прямо в репозитории или отдельная страница в Notion со ссылкой на код. Оба варианта бесплатны и привычны для нанимающих.
Требование к описанию: оно должно быть самодостаточным. Человек должен понять задачу, ход работы и вывод, ни разу не запустив ваш код и не открыв файл с данными.
Требования к коду: понятные названия переменных, комментарии к неочевидным шагам, отсутствие путей вида «C:/Users/Мой компьютер/Загрузки». Если работаете в Jupyter — сохраните ноутбук с выполненными ячейками, чтобы результаты были видны без запуска.
Что смотрят первым делом
Полезно понимать, как ваш проект будут читать. Обычно на него тратят несколько минут, и внимание идет по такому маршруту:
Заголовок и первый абзац. Понятно ли, о чем работа и зачем она.
Выводы. Часто их смотрят раньше графиков. Есть ли вообще вывод или только описание данных.
Один-два графика. Читаемые ли, подписаны ли.
Код по диагонали. Аккуратность, а не изящество решений.
Отсюда практический вывод: выводы должны быть видны сразу , а не спрятаны в конце длинного ноутбука. Многие выносят краткое резюме в самое начало описания.
Чего в портфолио быть не должно
Проектов без вывода. Набор графиков — не работа аналитика.
Затертых учебных датасетов. «Титаник» показывает, что вы прошли курс, а не что умеете решать задачи.
Только визуализации. Красивый дашборд без объяснения, кому и зачем он нужен, ничего не доказывает.
Кода без описания. Ноутбук с двумястами ячейками и без текста никто читать не будет.
Данных компании без разрешения. Кроме юридического риска, это прямой сигнал работодателю о вашем отношении к конфиденциальности.
Выдуманных результатов. Синтетические данные допустимы, ложные выводы — нет.
Десяти слабых проектов. Три сильных работают лучше.
Сколько проектов и сколько времени
Для первых откликов достаточно двух-трех проектов , показывающих разные навыки:
- один на SQL: выгрузка, группировки, соединения таблиц
- один на анализ и визуализацию: разрезы, сравнение сегментов, графики
- один посложнее, если есть время: когорты, воронка, проверка гипотезы
Реалистичные сроки для первого проекта — от одной до трех недель при работе по паре часов в день. Дальше быстрее: вы уже понимаете структуру и не тратите время на выбор формата.
Совет, который экономит месяцы: не ждите идеального датасета и полной готовности. Первый проект будет несовершенным, и это нормально. Второй получится лучше именно потому, что был первый.
Как рассказывать о проекте
На собеседовании о проекте спросят почти наверняка. Готовый ответ на полторы минуты строится по той же схеме, что и само описание:
«Я разбирался, почему у сервиса доставки падает выручка. Взял открытые данные за год, около сорока тысяч заказов. Оказалось, что новых клиентов приходит столько же, а вот доля повторных заказов упала с трети до пятой части. Средний чек при этом не изменился, значит, дело не в ценах, а в удержании. Предложил работать с базой ушедших клиентов и отслеживать долю повторных покупок как основную метрику».
Что здесь важно: контекст, конкретика в цифрах, логика рассуждения и вывод с действием. Ни слова о том, какие библиотеки использовались, — про инструменты спросят отдельно, если понадобится.
Чек-лист перед публикацией
- В проекте есть один четко сформулированный вопрос
- Указан источник данных, объем и период
- Если данные синтетические, это написано явно
- Описано, что делали с данными при чистке и почему
- Есть три-пять графиков, каждый с осмысленным заголовком и подписанными осями
- Есть вывод, сформулированный словами, а не цифрами
- Есть рекомендация: что стоит сделать на основе вывода
- Названы ограничения работы
- Описание понятно без запуска кода
- Код на GitHub читаемый, без локальных путей
- Ссылка открывается без авторизации
- В тексте нет опечаток
Коротко о главном
Первый проект в портфолио — это не демонстрация инструментов, а демонстрация мышления. Работодателю важно увидеть, что вы умеете превратить расплывчатую задачу в конкретный вопрос, честно разобраться с данными и закончить выводом, на основе которого можно действовать.
Порядок работы: вопрос, данные, чистка с описанием, расчеты, три-пять графиков, вывод с рекомендацией и честно названные ограничения.
Два признака, по которым отличают сильный проект от слабого. Первый: его можно пересказать одним предложением в формате «выяснил, что..., и предложил...». Второй: автор понимает и проговаривает границы своих данных.
И главное — начните. Идеального датасета не будет, полной готовности не наступит, а портфолио появляется только у тех, кто сделал первый несовершенный проект.
Освоить обработку и анализ данных, статистику, SQL и работу с базами с нуля можно на курсе Аналитик данных в PROWEB — 5 месяцев, с 16 лет, с практикой и проектами, которые можно положить в портфолио. Если пока выбираете направление, начните с бесплатного IT-теста, а разобраться в различиях профессий поможет статья о ролях в аналитике.
Часто задаваемые вопросы
Зачем аналитику портфолио, если есть сертификат курса?
Сертификат подтверждает, что вы прошли программу, но не показывает, как вы думаете. Портфолио демонстрирует главное: умение превратить задачу в вопрос, разобраться с грязными данными и сделать вывод, полезный для бизнеса.
Сколько проектов нужно новичку?
Для первых откликов достаточно двух-трех, показывающих разные навыки: работу с SQL, анализ с визуализацией и что-то посложнее вроде когорт или воронки. Три сильных проекта работают лучше десяти слабых.
Где взять данные для проекта?
На портале открытых данных Узбекистана, сайте Агентства статистики, платформе Kaggle, через открытые API. Самый выигрышный вариант — данные знакомого бизнеса с разрешения владельца и обязательным обезличиванием.
Можно ли использовать синтетические данные?
Да, если подходящего набора не нашлось. Обязательное условие — прямо указать в описании, что данные сгенерированы. Выдавать синтетические данные за реальные нельзя.
Какие темы лучше не брать?
Затертые учебные датасеты вроде «Титаника», предсказание курсов валют и любые работы без сформулированного вопроса. Такие проекты показывают, что человек прошел курс, но не понимает, чем занимается аналитик.
Обязательно ли использовать машинное обучение?
Нет. Для первого проекта аналитика важнее грамотная работа с данными и внятный вывод. Модель, применение которой вы не можете объяснить, скорее навредит впечатлению, чем поможет.
Где размещать портфолио?
Код — на GitHub, описание — в README репозитория или на отдельной странице в Notion со ссылкой на код. Оба варианта бесплатны и привычны для нанимающих менеджеров.
Сколько времени занимает первый проект?
Обычно от одной до трех недель при работе по паре часов в день. Последующие проекты идут быстрее, потому что структура уже понятна и не нужно заново придумывать формат.
Что делать, если данные оказались плохими?
Либо изменить вопрос под то, что данные позволяют выяснить, либо взять другой набор. Подгонять анализ под желаемый ответ нельзя — это худшее, что можно показать работодателю.
Как рассказать о проекте на собеседовании?
За полторы минуты по схеме: какая была задача, какие данные, что выяснилось в цифрах, какая логика рассуждения и что вы предложили сделать. Про инструменты говорить не нужно — о них спросят отдельно.
